基于知识图谱的体育人工智能研究分析

来源:期刊VIP网所属分类:教育学发布时间:2021-02-27浏览:

  摘 要:以Web of Science数据库1994年以来“体育” “锻炼” “运动”“机器学习” “深度学习” “计算机视觉”等关键词为主题的926篇文献为数据来源,利用“Cite Space V”软件进行可视化处理和分析,以知识图谱的方式梳理近25年的体育人工智能研究,探讨体育人工智能研究的进展和发展方向。认为:1)体育人工智能研究地区分布较广,美国处于世界领先水平,中国的研究质量有待提高。2)体育人工智能研究的高产作者与团队集中在美国高校,以开发与完善针对不同人群的,基于机器学习与深度学习技术的智能穿戴设备为主要研究方向。3)体育人工智能研究涉及到多个学科,主要运用和借鉴工程学、计算机科学和体育科学的研究方法和理论。4)体育人工智能研究的热点分为三大聚类群,具体是体质健康促进、运动损伤防控和运动能力提升。研究载体主要以基于IMU的智能穿戴设备和基于GPU的计算机视觉分析为主。研究算法从机器学习算法逐渐转向深度学习算法。

  关键词:人工智能;体育;机器学习;计算机视觉;深度学习

人工智能论文

  人工智能(Artificial Intelligence,簡称“AI”)是研究如何让机器做人类需要智能才能完成的事的一门学科[1]。人工智能经历了早期的博弈、专家系统等算法模型,已发展到了如今以机器学习与深度学习为主要的研究方向。现代人工智能技术的近期目标在于研究用机器来模仿和执行人脑的某些智力功能,而远期目标是用自动机模仿人类的思维活动和智力功能[2]。从2011年开始,人工智能技术进入到了迅猛发展期,当代人工智能的本质是让机器从数据中学习知识,而不是再对人类知识的复制,这一方法称为“机器学习”[3],这是让计算机拥有自主学习的能力,而无须对其进行事无巨细的编程的方法[4]。其算法包括人工神经网络(ANN)、决策树、支持向量机(SVM)、K 近邻算法等。而深度学习则是机器学习的顶尖技术,也是其重要分支,正在成为当前人工智能各领域研究的最重要范式,也是当前人工智能产业化的主要驱动力量[5]。人工智能与体育的结合可以追溯到1959年,Newell、Simon与Shawn首次开发出了国际象棋博弈程序。到20世纪70年代,该程序已经达到了专家级别(人类棋手水平的前1%)。从1997年,“深蓝”(Deep Blue)的后继者“Deeper Blue”击败了国际象棋特级大师G.Kasparov,到2016年阿尔法围棋(AlphaGo)的无人能敌,机器学习的强大能力越来越受到世人瞩目。近年来,在大众健身、竞技体育等体育领域,人工智能技术起到了越来越重要的辅助作用。譬如基于计算机视觉技术的单一目标跟踪分析[6-9]和集体运动项目技战术分析预测系统[10-12]、技术动作学习与评测[13-16]和基于机器学习与深度学习的智能训练反馈系统[17-20]、运动营养配比分析[21-22]和身体疾病识别分析[23-24]、体育赛事成绩预测系统[25]、高效运动智能穿戴设备[26-27]等方面。

  我国人工智能起步较晚,与美国等发达国家相比还有一定差距。我国的体育人工智能研究,主要学科集中在计算机科学,偏好基础理论的算法实证研究,主要涉及运用以神经网络为主的机器学习相关算法,涉及体育成绩预测[28-31]、人体动作识别与评价[32-37]、技战术决策支持[38-39]、运动损伤评估[40-41]等。在人工智能技术逐步由机器学习转向深度学习的趋势下,相比较国外体育人工智能研究,国内的研究面临着两大问题:1)基础算法研究过多,与具体体育项目结合的应用研究较少。2)在应用研究中主要以机器学习中的简单算法为主要工具,而更为精确的深度学习算法的实践研究不够深入。此外,由于人工智能定义涵盖面较广,对于什么技术属于人工智能,例如:VR(虚拟现实技术)归属的争论,国内的相关文献的定义也不尽一致。因此,厘清与掌握国际学界对于体育人工智能的研究范围和研究前沿,明晰人工智能在体育中应用的研究热点以及演进趋势,可以进一步丰富国内学者对人工智能技术的应用视野,借鉴国外高水平研究方法,发展适应我国体育发展现状的人工智能技术,使科技助力我国体育发展,早日实现我国由体育大国迈进体育强国的目标。

  在研究方法选择中,若采用传统的阅读方式,过多的注重局部细节,工作量极大,还很可能会舍本逐末,以至于忽视全局的结构和动态。“Cite Space”通过计算机算法和交互式可视化将人们从一些费时的事情中解脱出来,可以把精力集中在更重要的分析问题、抽象与创造性思维上。此软件近十余年被各学科学者广泛采用,是目前最具影响力的可视化信息软件。本文采用“ Cite Space V”(5.6.R4.64-bit)可视化软件,以 Web of Science 数据库中收录的体育人工智能相关文献为研究对象,通过分析并绘制知识图谱,解读国外体育人工智能的应用研究发展脉络,为我国体育人工智能的应用研究提供参考。

  1 研究方法:文献计量法

  1.1 文献来源

  本研究以Web of Science数据库的SCIE、SSCI和A﹠HCI为文献来源数据库进行检索。为全面概括人工智能在体育运动领域的研究状况,选择“Sports”“Exercise”与 “Physical activity”作为“体育与运动”的释义。人工智能的应用覆盖面较广,因此,单以“Artificial Intelligence”作为人工智能代表性检索词,无法全面反映体育领域的研究现状。2019年11月,由清华大学与中国工程院联合发布的《2019人工智能发展报告》遴选了13个人工智能重点应用领域,通过对报告的分析及前期的研究,筛选出了其中与体育运动结合较为紧密的机器学习、深度学习与计算机视觉领域进行重点分析,因此,增加“Machine Learning”“Deep Learning” 与“Computer Vision”作为共同主题检索词,高级检索式如表1,文献格式为Article,检索范围为所有年份,检索时间为2020年4月1日,共检索到初始文献1 170篇。通过“Endnote”软件去除重复文献,并剔除与主题不符的涉及基础医学、植物学、水利学、气象学等相关文献,最终得到926篇文献作为本研究基础。

  1.2 分析工具

  本研究的分析工具采用美国德雷塞尔大学陈超美博士研发的“Cite Space Ⅴ”软件(版本号为CiteSpace Ⅴ 5.6.R4.64-bit)。“Cite Space Ⅴ”软件是一种多元、分时、动态的应用程序和可视化软件。该软件在绘制各个科学领域的科学知识图谱、分析不同特征和类型的引文网络及识别和呈现科学发展新趋势与新动态等方面具有较强的技术和功能优势[42]。其可将庞大的数据绘制为图形或图像直观地呈现出来,进而可以了解研究对象的多个属性,使研究者能够在大量的数据中直接观察到其隐含的现象,直观地体现研究的重点,为研究决策提供依据[43]。

  1.3 研究程序

  使用“Cite Space Ⅴ”软件对体育人工智能相关研究进行可视化知识图谱分析,主要包括主题确定、数据准备、软件分析设置和可视化知识图谱分析4个部分。1)主题确定。本研究参考了国内多部著作和学术论文的翻译方式,同时咨询了多位体育科学领域及翻译领域的专家,结合本文的研究目的,经过多个检索主题词和检索表达式的反复组配检索之后,以((“Sport”OR“Exercise”OR“Physical activity”)AND (“Artificial Intelligence” OR“Machine Learning” OR “Deep Learning” OR “Computer Vision” ))为检索主题词。 2)数据准备。将通过WOS数据库检索的1 170条文献导出到“Endnote”软件中,剔除重复的与体育学科不相关的文献,最终精选出926篇文献。3)软件分析设置。在926篇文献中,最早发表年份为1994年,因此,在“Cite Space”的时间设置为1994—2020年,时间切片为1年1段。在分析研究国家(地区)、作者与学科时,阈值项选择“TopN=50”,且算法不进行裁剪。在分析研究热点关键词时,阈值项选择“TopN%=50%”,算法选择“关键路径计算法”,并选取“整体网络剪枝”裁剪方式。4)可视化知识图谱分析。得到图谱后,可看到每个节点的多方面信息。此外,通过各个年轮的颜色可判断被引时间分布,聚类之间的知识流向也可从时间上看出。本研究数据收集、处理、分析技术路线见图1。

  2 研究结果分析

  2.1 体育人工智能研究的国家(地区)分布

  通过“Cite space V”析出的共现网络图谱(见图2)可以看出,共有来自46个国家(地区)的文献涉及体育人工智能研究,但不同国家(地区)的发文量却差距很大,研究质量也参差不齐。其中,圆圈半径的大小、节点连接线条的粗细与发文量和关联紧密程度成正比。同时,圆圈最外层的圆环宽度越宽,其中心性越大。表2整理了发文量排在前10位的国家(地区)及对应的文献中心性值,从中可以看出美国在体育人工智能领域的研究处于世界领先水平。其中:来自美国纽约州立大学的特聘教授Haralick[44]在1994年回顾了基于专家系统的视频分析技术在人体识别领域的应用,并展望了人工智能技术的应用前景。华盛顿大学的Bobick教授为人体动作识别开辟了更为高效的机器学习算法[45]。除此之外,还有很多美国学者的研究在世界范围内被广泛采纳。其次,西班牙、英国、澳大利亚、加拿大、德国无论是发文量还是文献中心性都处于世界前8位的水平。我国虽然发文量高居第2位,但是文獻中心性仅排在第11位。在高被引论文中,仅有来自南京工业大学董晓臣教授[26]的团队上榜,他提出的基于过渡金属碳化物和碳纳米管复合材料的应变传感器为人体运动中智能可穿戴设备研制开拓了新的方向。

  推荐阅读:人工智能论文能发的核心期刊

期刊VIP网,您身边的高端学术顾问

文章名称: 基于知识图谱的体育人工智能研究分析

文章地址: http://www.qikanvip.com/jiaoyuxue/55720.html